開發 AI Agents 時，經常遇到知識更新滯後、查詢效率低下嘅痛點，尤其係處理即時數據流如聊天記錄或事件日誌。Graphiti 就係一款專為呢類場景設計嘅開源工具，能夠即時建構知識圖譜，讓 AI Agents 快速提取最新洞見，適合 AI 開發者同企業團隊使用。呢個 GitHub 項目由 getzep 團隊維護，專注解決傳統知識圖譜無法應付動態數據嘅問題。
支援 FalkorDB 快速安裝建構即時圖譜
Graphiti 喺安裝上極之靈活，首先係 FalkorDB 支援版本，用家只需透過 pip 安裝，即可啟動即時知識圖譜服務。呢個選項特別適合需要高性能圖形數據庫嘅開發者，FalkorDB 提供原生圖形查詢能力，讓 Graphiti 能夠實時處理邊緣同節點更新。比起傳統靜態圖譜，Graphiti 嘅做法係將數據流轉化為連續演化嘅圖形結構，確保 AI Agents 總係基於最新知識回應。
安裝過程簡單，只需幾個命令就搞掂，之後就可以透過 API 注入數據，觀察圖譜如何自動擴展。呢個工具喺處理 RAG（Retrieval-Augmented Generation）任務時表現出色，因為它支援時間感知索引，能夠優先檢索最近事件，避免 AI 產生過時資訊。
Kuzu 支援版本適合嵌入式即時知識處理
另一個安裝途徑係 Kuzu 支援，呢個版本針對嵌入式數據庫設計，適合資源有限嘅環境如邊緣計算或小型伺服器。Kuzu 作為高性能向量數據庫，同 Graphiti 結合後，能夠實現亞秒級圖譜查詢。開發者可以用 Python 介面直接連線，輸入聊天數據或感測器流，即時生成可查詢嘅知識圖譜。
Graphiti 喺呢方面嘅獨特之處，在於它唔止儲存圖形，還會自動嵌入 LLM 向量，讓混合查詢變得順暢。比方話，AI Agent 查詢「最近用戶互動」，系統會結合圖形遍歷同向量相似度，輸出精準結果。
Amazon Neptune 整合雲端規模化部署
對於企業級應用，Graphiti 提供 Amazon Neptune 支援，讓用家直接連線 AWS 託管圖形數據庫。呢個選項解鎖咗雲端規模化能力，處理海量數據時無需擔心單機瓶頸。安裝時只需配置 Neptune 端點，Graphiti 就會接管即時更新邏輯，支援多租戶隔離。
同類工具少見嘅一點係，它內置社區檢測同實體解析，能夠自動從非結構化文本中抽取關係，減低手動標註工作。開發者反饋顯示，呢個功能喺生產環境中大大提升咗 AI 決策準確度。
Docker Compose 一鍵運行加 LLM 擴展
最方便嘅係 Docker Compose 運行方式，一個 docker-compose.yml 檔就啟動完整服務棧，包括數據庫同 Graphiti core。呢個方法零配置，適合快速原型開發。另外，用家可以加裝 LLM providers 作為 extras，例如支援 OpenAI 或本地模型，讓知識圖譜直接注入生成式 AI 流程。
總括嚟講，Graphiti 透過多數據庫支援同 Docker 部署，降低咗 AI 知識工程門檻。無論係研究原型定生產系統，都能輕鬆融入，未來隨著社區貢獻，功能只會更豐富。
產品名稱：Graphiti / graphiti
官方網站：https://github.com/getzep/graphiti
